国务院印发《实施就业优先战略"十五五"规划》

基于Mortensen-Pissarides搜索与匹配模型，劳动力市场匹配效率取决于搜索摩擦程度和匹配技术的有效性。就业优先战略通过强化就业公共服务体系、降低信息不对称、提升职业技能培训覆盖面，理论上应降低搜索摩擦成本，使Beveridge曲线向内移动——即在给定失业率水平下实现更高的空缺填补率。然而，技能偏向型技术变革（Acemoglu & Autor, 2011）可能使高技能和低技能群体面临不同的匹配效率变化。据此提出以下假说：

• **H1**：就业优先战略实施后，省际劳动力市场匹配效率显著提升，Beveridge曲线向内位移。
• **H2**：匹配效率改善在高技能群体中更为显著（技能偏向性），低技能群体因结构性失业面临更慢的匹配效率收敛。
• **H3**：公共就业服务投入强度是匹配效率提升的主要传导渠道，其边际效应在市场化程度较低的中西部地区更大。

核心识别挑战在于匹配效率同时受政策因素和周期性因素影响——经济繁荣期匹配效率自然较高，形成遗漏变量偏误。本文采用两阶段策略：第一阶段使用随机前沿分析（SFA）将省际匹配效率从宏观经济周期中剥离，以求人倍率、失业率、GDP增速为投入变量，以实际就业匹配成功率为产出变量，估计匹配效率前沿；第二阶段以第一阶段提取的匹配效率得分为被解释变量，以就业优先政策强度为核心解释变量，控制经济周期变量后使用双向固定效应面板模型识别政策效应。关键识别假定：政策强度在各阶段的外生变异主要来自中央政策发布后的省级响应节奏差异，与经济周期冲击正交。

第一阶段 SFA 模型：ln(M_it) = β₀ + β₁ ln(V_it) + β₂ ln(U_it) + β₃ ln(GDP_it) + v_it − u_it，其中 M_it 为 i 省 t 年的就业匹配成功数，V_it 为空缺数，U_it 为失业人数，v_it 为随机误差，u_it ≥ 0 为匹配无效率项。匹配效率 TE_it = exp(−u_it)。

第二阶段基准方程：TE_it = α + β Policy_intensity_it + γ X_it + μ_i + λ_t + ε_it，其中 Policy_intensity_it 为省级就业优先政策强度指数，β 为关键参数，预期为正（政策越强，匹配效率越高）。X_it 包含产业结构、人力资本存量、市场化指数等控制变量，μ_i 和 λ_t 分别控制省份和年份固定效应。

被解释变量：省际劳动力市场匹配效率得分 TE_it，由第一阶段 SFA 模型估算。核心解释变量：省级就业优先政策强度指数，基于各省"十四五""十五五"就业相关政策的文本分析和财政就业支出占比加权构建，包含就业公共服务投入、职业技能培训覆盖人数、就业创业补贴力度三个子维度，经熵权法综合赋权。控制变量：第三产业增加值占比（产业结构）、劳动力平均受教育年限（人力资本）、市场化指数（樊纲等）。样本区间：2015—2026 年，省级年度面板数据，涵盖 31 个省（自治区、直辖市），共 372 个观测值。

• **替换匹配效率测度方法**：以数据包络分析（DEA）替代 SFA 重新估计匹配效率得分，检验结论是否对效率前沿估计方法敏感。
• **安慰剂检验**：将就业优先战略的发布时间提前 3 年（虚假政策冲击），若此时政策强度系数不再显著，则支持因果识别。
• **排除一线城市样本**：剔除北京、上海、广州、深圳所在省份重新回归，检验匹配效率提升是否由超大城市的结构性优势驱动而非就业政策本身。
• **分位数回归**：在匹配效率得分的不同分位点上估计政策效应，检验就业优先政策是"锦上添花"（高效率地区受益更多）还是"雪中送炭"（低效率地区追赶更快）。

---

传统凯恩斯框架中，财政扩张通过总需求渠道拉动产出和就业，但产出和就业的响应幅度可能不同步——资本密集型产业的财政乘数可能体现为高产出拉动、低就业拉动。"十五五"就业优先战略明确要求"强化宏观调控就业优先导向"，这意味着财政支出的方向可能从基础设施等资本密集型领域更多转向公共服务、职业技能培训等劳动密集型领域，从而改变就业乘数与产出乘数的相对大小。同时，根据奥肯定律，就业对产出的弹性在经济下行期更大，就业乘数可能存在非对称性。据此提出以下假说：

• **H1**：就业优先战略实施后，中国财政支出的就业乘数（就业增量/财政支出增量）较实施前显著上升。
• **H2**：就业乘数在经济衰退期的弹性大于经济扩张期（非对称性），因劳动力市场松弛时财政刺激的就业吸纳空间更大。
• **H3**：中西部地区的就业乘数高于东部地区，因劳动密集型产业占比更高、劳动力市场松弛程度更大。

核心挑战是财政支出的内生性——地方政府在经济下行时天然倾向于扩大支出，使得财政扩张与就业变化之间出现反向因果。本文以中央对地方转移支付的跨年度变动作为财政支出的外生冲击来源：转移支付由中央根据公式分配，地方无法完全操控，且转移支付对不同省份的冲击存在横截面差异。采用局部投影法（Jordà, 2005）估计就业对财政冲击的动态响应路径，相比传统 VAR 避免了模型误设问题，且更易于纳入非线性状态依赖。关键识别假定：转移支付冲击与同期未观测的地方经济冲击正交，且冲击的分配规则在样本期内保持稳定。

局部投影法基准方程：

y_{i,t+h} − y_{i,t-1} = α_i^h + β^h × shock_{i,t} + γ^h × X_{i,t} + ε_{i,t}^h

其中 y_{i,t+h} 为 i 省 t+h 期的就业水平，h = 0, 1, ..., 4 为冲击后的时间跨度；shock_{i,t} 为 i 省 t 年获得的转移支付外生冲击（实际值与趋势值之差）；β^h 即为 h 期累积就业乘数的估计值。X_{i,t} 为控制变量向量，α_i^h 为省份固定效应。状态依赖扩展：引入经济周期指示变量 I(recession)，构建交互项 shock × I(recession) 检验 H2。

被解释变量：省级就业水平，以城镇新增就业人数（万人，人社部统计公报）和城镇调查失业率（国家统计局）双指标交叉验证。核心解释变量：财政支出外生冲击，以中央对地方均衡性转移支付的实际值与 HP 滤波趋势值的偏离度（百分比）度量，剔除地方可操控的一般公共预算支出内生部分。控制变量：GDP 同比增速、第二三产业增加值占比、城镇化率、外贸依存度（进出口总额/GDP）。样本区间：2010—2026 年，省级年度面板数据，31 个省（自治区、直辖市），共 527 个观测值。

• **替换冲击识别策略**：以省级政府专项债发行规模的意外变动替代转移支付冲击，重新估计就业乘数，检验冲击来源的稳健性。
• **替换被解释变量**：以城镇新增就业人数和以调查失业率为基础的就业弹性双指标替换，检验结论是否对就业测度方式敏感。
• **改变状态依赖划分标准**：以省际产出缺口中位数替代全国统一的衰退/扩张划分，构造省份特定的状态依赖局部投影，检验 H2 的非对称性是否对周期划分方式稳健。
• **排除 2020 年疫情冲击**：剔除 2020 年样本重新估计，排除极端外生冲击驱动结论的可能性。

---

在 North 的制度变迁理论框架下，"十五五"规划将灵活就业纳入正式制度体系可视为一次自上而下的强制性制度变迁。在制度变迁之前，灵活就业者面临高昂的交易成本——缺乏标准化的劳动合同模板、社保缴纳渠道不畅、劳动纠纷维权成本高——这些构成了非正规就业与正规就业之间的制度性壁垒。根据 Williamson 的交易成本理论，制度化通过提供标准化契约模板、社保接入机制和争议解决渠道，降低了灵活就业者与用工方之间的缔约成本和执行成本，从而压缩劳动力市场的二元分割。据此提出以下假说：

• **H1**：灵活就业制度化政策（社保接入、合同标准化）实施后，灵活就业者的社会保险参保率显著上升，与正规就业者的参保率差距缩小。
• **H2**：制度化降低了灵活就业者的工作搜索成本和岗位转换成本，表现为灵活就业者向正规就业的转换率上升。
• **H3**：制度化的福利效应在低技能灵活就业者中更为显著——他们原本面临的交易成本最高，制度化带来的边际改善最大。

核心识别挑战是自选择偏误——选择灵活就业的劳动者本身可能具有较强的风险偏好或较低的人力资本，使得灵活就业与正规就业之间的福利差距不完全由制度因素驱动。本文采用双重策略：第一层，以各省份灵活就业劳动权益保障政策的出台时间差异作为准自然实验（不同省份在 2021—2026 年间陆续出台了平台就业社保试点、灵活就业合同规范等政策），使用 Callaway & Sant'Anna（2021）渐进 DID 估计处理效应，该估计量在异质性处理效应下仍具有一致性；第二层，在个体层面使用 Heckman 两步法校正就业类型选择偏误——第一步以家庭结构、配偶就业状态和本地灵活就业占比作为排他性工具变量预测选择灵活就业的概率，第二步将逆米尔斯比率纳入福利方程。

渐进 DID 基准方程：Y_{ipt} = α + β × Treat_{pt} + γ X_{ipt} + μ_p + λ_t + ε_{ipt}。其中 Y_{ipt} 为 p 省 i 个体在 t 年的社保参保状态（0/1）或小时工资对数；Treat_{pt} 为处理指示变量（p 省在 t 年已出台灵活就业保障政策=1，否则=0）；β 为制度化的平均处理效应，预期为正。X_{ipt} 为个体特征控制变量（年龄、受教育年限、户籍类型、行业）。μ_p 和 λ_t 分别为省份和年份固定效应。Heckman 选择方程：Pr(Flexible_{ipt}=1) = Φ(δ Z_{ipt})，其中 Z_{ipt} 包含排他性工具变量。

被解释变量：社保参保率（是否参加城镇职工或城乡居民养老保险/医疗保险，0/1）、小时工资对数（月工资收入/月工作小时数）。核心解释变量：省级灵活就业制度化政策虚拟变量 Treat_{pt}，基于各省人社厅政策文件编码。控制变量：年龄及其平方项、受教育年限、户籍类型（农业/非农业）、婚姻状态、所在行业（二位数行业代码）。工具变量：家庭 6 岁以下儿童数（影响就业灵活性需求）、配偶是否正规就业、省级互联网普及率（影响平台就业可得性）。样本区间：2018—2026 年，CFPS 和 CHFS 的混合截面数据，约 15,000—20,000 个个体-年份观测值。

• **Bacon-Decomp 分解**：对渐进 DID 估计量进行 Goodman-Bacon 分解，检验处理效应是否主要由"早处理组 vs 晚处理组"的对比驱动（可能存在负权重问题），若存在则报告 Callaway-Sant'Anna 聚合估计量。
• **替换被解释变量**：以劳动权益主观感知（是否认为劳动权益得到保障，5 分量表）替代客观社保参保率，检验制度化是否提升了灵活就业者的主观安全感。
• **安慰剂检验**：将各省政策出台时间随机打乱 500 次，生成安慰剂处理效应的经验分布，检验真实处理效应是否位于分布的极端尾部。
• **排除自雇人员样本**：将个体工商户等传统自雇人员从灵活就业样本中剔除，仅保留平台经济从业者，检验制度化的核心受益群体是否是"新就业形态"劳动者。

---

Lewis-Kuznets 结构转型理论指出，劳动力从低生产率部门（农业）向高生产率部门（制造业和服务业）的再配置是发展中经济体全要素生产率增长的核心来源——即"结构红利"假说。然而，随着中国经济进入中高收入阶段，产业间的生产率差距可能收窄，结构红利趋于衰减。"十五五"就业优先战略提出"就业结构更加优化"和"加强产业和就业协同"，可能通过人力资本投资和产业政策引导，为结构红利注入新动力。据此提出以下假说：

• **H1**：中国省级 TFP 增长中，就业从第一产业向第二、三产业的结构转移效应（between-effect）在 2010 年之前占主导，2010 年之后产业内技术进步效应（within-effect）取代其成为主要来源——结构红利递减。
• **H2**：产业结构与就业结构协同度（产业增加值占比与就业占比的偏离度）越低的省份，TFP 增长率越高——人岗匹配优化促进效率提升。
• **H3**："十五五"规划强化产业与就业协同后，中西部省份的结构转移效应可能出现"第二波"红利，缩小与东部地区的 TFP 差距。

偏离-份额分析是一种核算分解方法，本身不涉及因果推断——它将 TFP 增长分解为结构效应和纯技术进步效应。但分解结果的时间趋势和区域对比具有政策含义：若在就业优先政策强化后，结构效应的衰减趋势出现逆转，则提示政策干预的有效性。本文先进行 Shift-Share 分解获得省际结构效应的面板序列，然后使用动态面板系统 GMM 估计结构效应的持续性及其与产业-就业协同度的关系。系统 GMM 以滞后水平变量作为差分方程的工具变量、以滞后差分变量作为水平方程的工具变量，有效控制了个体固定效应和潜在的内生性（当期 TFP 可能反向影响就业结构）。关键识别假定：差分残差不存在二阶自相关（AR(2) 检验），且工具变量与当期残差正交（Hansen 过度识别检验）。

Shift-Share 分解公式：
ΔTFP_{it} = Σ_j s_{ij,t-1} × ΔTFP_{ijt} + Σ_j TFP_{ij,t-1} × Δs_{ijt}
其中第一项为产业内效应（within-effect），第二项为产业间结构转移效应（between-effect），s_{ijt} 为 i 省 j 产业就业份额，TFP_{ijt} 为 i 省 j 产业的 TFP 水平。

系统 GMM 方程：Between_{it} = α + ρ × Between_{i,t-1} + β × Synergy_{it} + γ × Policy_{it} + μ_i + λ_t + ε_{it}，其中 Between_{it} 为结构效应贡献率，Synergy_{it} 为产业-就业协同度（1 − 0.5 Σ_j |VA_share_j − Emp_share_j|），Policy_{it} 为"十五五"政策虚拟变量，β > 0 预期协同度越高结构效应越大。

被解释变量：省际 TFP 增长的结构效应贡献率 Between_{it}，由 Shift-Share 分解获得。TFP 测算使用 DEA-Malmquist 方法，投入变量为各省三次产业的就业人数和资本存量（永续盘存法估算），产出变量为三次产业增加值（不变价）。核心解释变量：产业-就业协同度 Synergy_{it}，取值为 0 到 1，越接近 1 表示产业结构与就业结构越匹配。控制变量：人力资本存量（6 岁及以上人口平均受教育年限）、城镇化率、外贸依存度、研发投入强度（R&D 经费/GDP）。样本区间：2005—2026 年，省级年度面板数据，31 个省（自治区、直辖市），共 682 个观测值。

• **替换 TFP 测算方法**：以 OP 法（Olley-Pakes）和 LP 法（Levinsohn-Petrin）替代 DEA-Malmquist 重新估计省级 TFP，检验结构效应的测度是否对生产率估计方法敏感。
• **替换结构效应分解方法**：以动态偏离-份额分析（Dynamic Shift-Share）替代静态分解，分离产业结构效应的国家分量、省际竞争分量和省际配置分量。
• **排除资源型省份**：剔除山西、内蒙古、新疆等资源型省份重新估计，因资源型省份的结构转型路径与制造业省份存在系统性差异。
• **以夜间灯光数据替代 GDP**：使用省级平均夜间灯光亮度作为经济产出的替代测度，检验结构红利的识别是否依赖于官方 GDP 统计口径。

---

在晋升锦标赛理论框架下（周黎安, 2007），地方官员的晋升概率取决于其在上级考核指标体系中的相对绩效排名。长期以来，GDP 增速和财政收入是考核的核心指标，但近年来中央逐步将"稳就业"提升为宏观调控的优先目标，考核权重可能随之上升。理性官员会根据考核信号调整施政重心——晋升前景较好（年龄处于晋升窗口期内、任期适中）的官员，有更强激励在就业等被中央强调的领域显示政绩，从而加大就业财政投入和政策执行力度。据此提出以下假说：

• **H1**：年龄处于晋升关键窗口期（地级市市委书记 50—55 岁）的官员，其辖区内社会保障与就业财政支出占比显著高于其他年龄段官员。
• **H2**：晋升激励越强的官员，其政府工作报告中"就业"相关词汇的出现频率和语义权重越高（政策关注度的信号效应），且这一效应在中央强调就业优先的年份（2020 年后）更加显著。
• **H3**：官员晋升激励通过两条渠道促进就业绩效——财政投入渠道（加大就业支出）和政策创新渠道（出台地方性就业促进政策），前者对短期就业指标更有效，后者对中长期就业结构优化更有效。

核心挑战是晋升激励的内生性——经济增长和就业表现好的城市，其官员本身就更可能被提拔，而非晋升激励驱动了更好的就业绩效。本文以官员年龄是否处于晋升关键窗口期（50—55 岁）作为晋升激励的工具变量：年龄窗口由官员出生年份和组织人事惯例外生决定，与当期城市的经济和就业状况无直接关联，但显著影响官员的晋升预期和行为。同时，使用文本分析方法从政府工作报告中提取就业政策关注度作为中介变量，通过逐步回归和 Sobel 检验识别"晋升激励 → 政策关注度 → 就业支出 → 就业绩效"的传导链条。关键识别假定：官员年龄仅通过晋升激励渠道影响就业政策执行，不通过其他路径（如年龄本身带有的经验效应）直接影响就业绩效——对此用年轻官员（< 45 岁）子样本进行安慰剂检验。

基准方程：Employment_Expenditure_{ct} = α + β × Promotion_Incentive_{ct} + γ X_{ct} + μ_c + λ_t + ε_{ct}

工具变量第一阶段：Promotion_Incentive_{ct} = δ₀ + δ₁ × Age_Window_{ct} + δ₂ Z_{ct} + μ_c + λ_t + ν_{ct}

第二阶段以 Age_Window_{ct} 作为 Promotion_Incentive_{ct} 的 IV 重新估计基准方程，β 为晋升激励对就业支出的因果效应。中介效应检验：
- Step 1：Promotion_Incentive → Employment_Expenditure（总效应）
- Step 2：Promotion_Incentive → Policy_Attention（文本关注度中介变量）
- Step 3：Policy_Attention → Employment_Expenditure | Promotion_Incentive（直接效应）

被解释变量：地级市社会保障与就业财政支出占一般公共预算支出的比重（%）。核心解释变量：晋升激励虚拟变量（市委书记年龄在 50—55 岁之间=1，否则=0）。工具变量：Age_Window，定义同上。中介变量：政府工作报告就业关注度，通过 LDA 主题模型从地级市政府工作报告文本中提取"就业"主题的概率权重，辅以"就业""失业""创业""技能培训""劳动保障"等关键词词频标准化构建。控制变量：GDP 增速、第二产业增加值占比、城镇化率、财政自给率、市委书记任期年限和学历。样本区间：2005—2026 年，地级市年度面板数据，约 280 个地级市，约 6,160 个观测值。

1. 替换晋升激励的 IV 构造：以市委书记任期是否处于第 3—4 年（地方主官平均任期中的关键考核期）替代年龄窗口作为晋升激励的工具变量，检验结论对晋升激励的代理方式是否敏感。
2. 安慰剂检验：以 45 岁以下年轻官员子样本重复基准回归——年轻官员尚未进入晋升关键窗口期，此时 Age_Window 的系数应不显著，验证 IV 排他性假定。
3. 替换被解释变量：以城镇新增就业人数完成率（实际值/目标值）替代就业财政支出占比，检验晋升激励是否在"实际就业绩效"层面产生效果，而非仅仅增加财政支出。
4. 排除副省级城市和计划单列市：这些城市的官员晋升路径与普通地级市存在系统性差异，排除后检验结论的普适性。
---
date: 2026-06-17
field: 产业经济 — 农业经济
source: https://tv.cctv.com/2026/06/17/VIDEP8FUsYtJwvCJSds0y6a0260617.shtml
topics_count: 5
---